近日，阿里云表格存储 Tablestore 宣布全面升级 AI 场景支持能力，正式推出 AI Agent 记忆存储功能，在保障高性能与高可用的同时，整体存储成本降低 30%，标志着 Tablestore 在构建 AI 数据处理和存储的技术内核能力上，迈出关键一步。
此次升级聚焦 Agentic AI 爆发背景下的核心挑战——如何实现长期、高效、有价值的记忆管理。Tablestore 从 AI 生态集成、数据模型抽象、内核能力优化三大维度全面进化，打造专为 AI Agent 设计的记忆和知识库数据存储底座，助力开发者快速构建具备“记忆力”的智能体应用。
视频来源：科技最前线
集成主流 AI 生态，开发效率大幅提升
为降低 AI 应用接入门槛，Tablestore 持续扩展与主流 AI 框架的兼容性。继支持 LlamaIndex、LangChain 后，现已全面接入 Dify、Spring AI，并与阿里云百炼平台的 OpenMemory MCP 深度集成。
开发者可实现“即插即用”：
- Dify 用户通过一键配置即可将 Tablestore 设为向量存储引擎；
- 阿里云用户可通过 SAE、ACK等产品快速部署；
- Spring AI 开发者仅需引入依赖，即可将 Tablestore 无缝嵌入企业级 Java 应用。
这一系列生态整合，显著简化了 AI 应用开发流程，让开发者更专注于业务逻辑创新。
开源 AI Agent Memory 框架，告别“面向数据库编程”
针对 AI 应用中重复的表结构设计、存储逻辑封装等问题，Tablestore 团队推出全新开源 AI Agent Memory 框架，基于通义千问等领先的 AI 大模型在对话记忆与知识管理中的最佳实践，预置了会话（session）、消息（message）、知识库（knowledge）三大通用数据模型。
借助该框架，开发者无需关注底层存储细节，真正实现从“面向数据库编程”到“面向业务意图编程”的跃迁。例如，可快速构建具备长期记忆能力的智能客服系统，或支持知识检索的个性化 AI 助手。
目前，该框架已在 GitHub 开源。
多元索引全面升级，复杂数据处理效率跃升
面对 AI 场景中日益增长的半结构化与多模态数据处理需求，Tablestore 对多元索引能力进行深度优化：
- 新增 JSON 格式索引：系统自动对嵌套字段进行扁平化并建立索引，在百亿级数据规模下，检索延迟降低超 40%，显著提升简历筛选、商品信息检索等场景响应速度；
- 多模态支持更强：单行记录支持多个向量列，满足视频监控、跨模态搜索等需求。该设计不仅减少向量元数据存储成本达 30% 以上，还降低多特征融合检索的计算负载，实现更高效的视频内容分析与图文联合检索。
自研 Serverless 架构+先进算法，成本与性能双优
相比传统自建方案，Tablestore 凭借 Serverless 架构与企业级服务能力，为AI应用提供极致性价比：
- 集成并优化 DiskANN 等先进向量检索算法，向量检索整体成本降低 50%；
- 支持按需计费与自动弹性伸缩，无需预估资源，轻松应对流量高峰；
- 默认支持跨可用区部署，提供 99.99% 高可用 SLA，满足金融、医疗等关键业务的稳定性要求。
未来，阿里云将持续深化 Tablestore 与 AI 生态的协同，推出更多面向记忆存储与检索的创新功能，助力企业从数字化迈向智能化。
